Premier CMO de Consensys : L'évolution de la forme des entreprises à l'ère de l'IA

null

Auteur : Lex Sokolin

Traduction : Jiahui, ChainCatcher

Cet article explore comment l’IA est en train de remodeler la structure organisationnelle elle-même. Les entreprises passent d’équipes “double pizza” à la Amazon (une équipe d’environ 6 à 10 personnes, conservant une organisation agile) vers des petits groupes “natif IA” de 3 à 5 personnes, avec une productivité nettement accrue.

Nous avons comparé deux trajectoires :

La stratégie de remplacement par l’IA de Klarna s’est soldée par un échec. Le nombre d’employés est passé de 5 500 à 3 400, la qualité du service ayant finalement forcé une nouvelle embauche.

Coinbase et Ramp ont choisi de restructurer leurs activités autour de l’amélioration et de l’orchestration par l’IA. Coinbase a réduit 700 postes, tout en se tournant vers des équipes produits monomaniaques et la génération de code par IA.

Ramp a créé un cadre interne de maîtrise de l’IA (harness), utilisé quotidiennement par 99,5 % des employés, couvrant plus de 350 compétences métier.

De plus, nous analysons pourquoi des entreprises comme Box et Plaid sont revalorisées par le marché comme des infrastructures IA, leur point commun étant la maîtrise de données d’entreprise essentielles au fonctionnement des intelligences artificielles, avec des droits d’accès.

La troisième évolution de la forme organisationnelle

Il y a quelques mois, nous avions discuté des “Zero Human Companies” et de la courbe d’autonomisation économique par l’IA :

Bien que des forces œuvrent à la création d’organisations totalement dépourvues d’intervention humaine, les acteurs économiques actuels restent sous contrôle humain.

Le défi le plus pressant aujourd’hui est de transformer les entreprises traditionnelles en structures prioritant l’IA.

C’est une opportunité immense, si bien qu’Anthropic collabore avec tout le secteur du capital-investissement pour faire avancer cette vision.

Au-delà des chiffres impressionnants, nous percevons un autre point d’entrée de l’impact de l’IA : la façon dont nous construisons et organisons les entreprises.

La structure organisationnelle elle-même est une technologie.

Le développement en cascade (Waterfall) a engendré la domination des géants du logiciel hiérarchisés dans l’ère technologique initiale.

Puis l’industrie s’est tournée vers des équipes lean utilisant la méthodologie agile, qui a ensuite évolué vers le modèle “double pizza” inventé par Amazon. C’est cette structure opérationnelle qui a façonné toutes les fintechs modernes.

Mais la tendance change à nouveau.

Martin Harrysson et Natasha Maniar de McKinsey ont prévu pour fin 2025 :

“Les rôles natifs IA signifient fondamentalement que nous passons d’une ‘structure double pizza’ à des ‘petites équipes pizza’ de 3 à 5 personnes.”

La réduction du personnel de moitié, tout en maintenant la productivité.

Le 5 mai 2026, Brian Armstrong a renforcé cette thèse en réduisant 700 postes chez Coinbase.

Que fait Coinbase ?

Coinbase a réduit 14 % de ses 4 951 employés.

Une partie de cette réduction est liée à la cyclicité normale d’une entreprise fortement liée au volume de transactions — son premier trimestre a généré 1,7 milliard de dollars de revenus (en baisse de 26 % en glissement annuel), avec un bénéfice par action en chute de 86 %.

Mais ce qui est crucial, c’est la façon dont la direction planifie l’intégration de l’IA dans la fintech/cryptofinance, et leurs attentes en termes de productivité par employé.

Les ingénieurs de Coinbase peuvent désormais déployer des produits en quelques jours, là où auparavant cela prenait plusieurs semaines, et cette efficacité s’accélère.

Armstrong restructure les lignes d’activité pour limiter à cinq le nombre de niveaux de gestion sous le CEO et le COO.

Les “gestionnaires” purs disparaissent — chaque leader doit aussi contribuer personnellement, maîtriser les outils modernes, diriger et agir en “joueur-entraîneur”.

Les “petites équipes natifs IA” transforment complètement la structure traditionnelle. Coinbase expérimente même en interne la fusion des fonctions ingénierie, design et produit en une seule équipe.

En tant que société cotée avec un chiffre d’affaires de 7 milliards de dollars, Coinbase fonctionne avec des équipes produits monomaniaques.

En septembre 2025, Armstrong déclarait que 40 % du code de Coinbase était généré par IA chaque jour, avec un objectif d’atteindre 50 % en octobre.

Dans le podcast Cheeky Pint de John Collison, cofondateur de Stripe, il confiait avoir licencié des ingénieurs qui refusaient d’utiliser Cursor et GitHub Copilot dans la semaine suivant leur déploiement :

“Certains ne veulent tout simplement pas, donc ils ont été licenciés.”

V1 : remplacement direct, mais échoué

Cependant, Coinbase n’est pas la première fintech à licencier sous prétexte d’IA.

Souvenez-vous de Klarna en 2024, avec son expérience emblématique de “réduction des coûts par IA” : elle semblait annoncer une explosion de productivité.

Mais nous avions alors considéré cela comme une contraction du cycle de crédit, non une véritable innovation.

Le PDG Sebastian Siemiatkowski annonçait que l’assistant IA, alimenté par OpenAI, avait géré 2,3 millions de conversations en un mois, représentant deux tiers des chats clients, équivalent au travail de 700 agents à temps plein.

Le nombre d’employés est passé de 5 500 à 3 400.

Leur profit prévu a augmenté de 40 millions de dollars.

Le temps de résolution des problèmes clients est passé de 11 à 2 minutes.

Mais tout s’est rapidement effondré face à la réalité.

La satisfaction client pour les demandes complexes a chuté, le taux de contacts répétés a explosé.

En mai 2025, Siemiatkowski a admis à Bloomberg que l’entreprise avait “fait un pas trop grand”. Klarna a dû recommencer à embaucher avec des profils flexibles : étudiants, parents à temps plein, travailleurs à distance.

La Commonwealth Bank d’Australie a rapidement arrêté 45 projets de robots vocaux. Taco Bell a retiré ses IA vocales de 500 restaurants mobiles.

Gartner prévoit qu’en 2027, la moitié des entreprises ayant planifié une “remplacement complet” abandonneront cette stratégie.

L’IPO de Klarna a connu une hausse de 30 % le jour J, atteignant une valorisation de 20 milliards de dollars, ce qui montre que, si l’entreprise ajuste rapidement sa trajectoire, le marché reste tolérant.

Mais cette logique simpliste de “remplacer” — supprimer un poste humain pour le remplacer par un grand modèle de langage — peut fonctionner en termes de volume, mais s’effondre en termes de qualité.

Le coût de la réembauche dépasse largement l’économie initiale. La première tentative de digitalisation IA dans la fintech a donc donné des résultats mitigés.

Mais ce ne sera pas la dernière.

V2 : capacités renforcées, Harness comme rempart

Ramp a lancé “Glass” début avril 2026.

Seb Goddijn, expert IA interne ayant co-créé cet outil avec cinq collègues, a publié un long article. Le jour même, le CEO Eric Glyman a partagé l’article sur Twitter. En quelques heures, il est devenu en tête de Hacker News.

Pour expliquer l’échec de la V1, Goddijn souligne :

“Le principal obstacle à la diffusion de l’IA n’est pas le modèle lui-même, mais la complexité extrême de la configuration de l’environnement d’exécution de l’IA.”

Glass a été conçu pour briser cet obstacle :

D’abord, une configuration automatisée — en se connectant via Okta SSO, chaque outil interne autorisé (Salesforce, Gong, Notion, Linear, Snowflake, Slack, Zendesk, et outils internes de Ramp) est intégré en profondeur.

Ensuite, la création d’un Dojo — un marché de plus de 350 compétences IA, chaque compétence étant un fichier Markdown enseignant à l’agent une tâche spécifique. Tout est stocké dans Git, soumis à revue de code et gestion de versions.

Un agent nommé Sensei (Maître) envoie chaque jour aux nouveaux employés, en fonction de leur profil, les cinq compétences les plus pertinentes.

Troisièmement, un mémoire persistant — connecté via authentification, constamment rafraîchi par un pipeline de traitement de 24 heures. Ainsi, chaque interaction avec l’agent dispose d’un contexte complet : équipe, projets, tickets actifs, conversations en cours.

Aujourd’hui, 99,5 % des employés de Ramp utilisent quotidiennement l’IA.

La moitié du code de Ramp est générée par IA, et l’objectif est de monter à 80 %. Le directeur produit Geoff Charles a mis en place un cadre de maturité L0–L3, où L3 correspond à la mise en production directe par IA.

Les employés au niveau L0 sont considérés comme inactifs.

Ramp est valorisée à 32 milliards de dollars, avec un ARR (revenu annuel récurrent) de 1 milliard, en tête du classement des entreprises fintech innovantes selon Fast Company 2026.

Klarna tente de réduire la barrière humaine par l’automatisation, Ramp cherche à augmenter la productivité de chaque employé. Coinbase se situe entre les deux.

IA Harness

Au cœur de tout cela, le concept d’“AI Harness”.

Des entreprises comme Manus ont créé une architecture pour compresser et transformer l’IA brute en flux métier réplicable, tandis que des frameworks d’orchestration comme OpenClaw la démocratisent.

Un Harness est un ensemble intégrant authentification, intégration système, mémoire, répertoire de compétences d’équipe, planification nocturne, et une interface multi-fenêtres permettant aux analystes de travailler en parallèle.

Les grands modèles de langage de pointe ne sont que des composants interchangeables dans ce Harness — quand OpenAI sort GPT-5.5 ou Anthropic lance Opus 5, Ramp peut simplement remplacer le modèle, le reste du système restant inchangé.

Le produit Cowork d’Anthropic, lancé au premier trimestre 2026 (GA), intègre 11 plugins pour des rôles spécifiques : ventes, finance, juridique, marketing, RH, R&D, design, opérations — une logique de classification des rôles similaire à celle du Dojo de Glass.

Une fois que l’on accepte que “la productivité IA est façonnée par le flux métier, pas par la conversation”, les rôles deviennent la plus petite unité naturelle d’une organisation IA.

C’est aussi la logique sous-jacente des outils visant à construire des “Zero Human Companies”. Voir Polsia ci-dessous, ainsi que la segmentation sectorielle qui s’ensuit.

Le marché du capital se met à la traîne

Alors que de nombreuses entreprises de logiciels traditionnels peinent face à la désintermédiation par l’IA, certains acteurs connaissent une croissance fulgurante.

Ces entreprises ont dès le départ creusé leur propre fossé de données, et peuvent aujourd’hui superposer sans effort des logiciels IA en une seule couche.

Prenons l’exemple de Box, spécialiste du stockage de fichiers d’entreprise : après la publication de ses résultats du quatrième trimestre 2026, son action a bondi de 10 %. Aaron Levie a déclaré lors de la conférence téléphonique :

“Les fichiers, en fin de compte, sont l’unité de travail naturelle de l’IA.”

Enterprise Advanced — la couche premium d’abonnement IA et flux de travail de Box — est facturée 30 à 40 % plus cher que la version classique Enterprise Plus.

Le chiffre d’affaires du dernier trimestre a atteint 420 millions de dollars, en hausse de 5 %.

Box Extract peut extraire précisément des données structurées à partir de contrats.

Box Shield Pro intègre une IA agentique dans le contrôle d’accès.

Box AI Studio, en mode professionnel ou étendu, permet à l’agent d’opérer dans un contexte élargi pour des tâches multi-étapes.

Levie confie à GeekWire :

“En dehors des 12 premiers mois, Box n’a jamais ressemblé autant à une startup qu’aujourd’hui.”

Il faut savoir que 95 % des données d’entreprise sont non structurées. Les intelligences artificielles en ont un besoin vital, tout en devant respecter strictement les droits d’accès.

Celui qui contrôle ce coffre-fort de données avec droits d’accès peut se libérer de l’étiquette de “stockage bon marché” et être revalorisé par le marché comme une infrastructure intelligente.

Autre exemple : Plaid — ce fournisseur d’agrégation de données financières, presque racheté par Visa, espérait devenir un réseau de paiement direct.

Mais, à un moment, Plaid a été en difficulté : après avoir dominé Web3, il a été supplanté par Web2 comme infrastructure financière de référence.

De son pic à 13,4 milliards de dollars en 2021, sa valorisation a chuté à 6,1 milliards en avril 2025, puis a rebondi à 8 milliards en février 2026 lors d’une opération secondaire pour la liquidité des employés.

Plaid doit évoluer.

Parmi ses nouveaux clients, environ 20 % sont des entreprises natives IA — construisant des intelligences dépendant de l’accès aux données financières et de l’identité fiable.

Plaid Protect, sa plateforme anti-fraude, a détecté 50 % de tentatives de fraude en plus lors de ses tests début 2026.

Plaid Bank Intelligence, avec Retention Score et bientôt Primacy Indicators, vend ses capacités de prévision de perte client aux banques.

Plaid est en train d’être revalorisé comme le plus grand corpus mondial de données transactionnelles financières avec autorisation.

Ce n’est pas une simple pipeline de données — celles-ci sont un actif, mais la véritable richesse réside dans l’intelligence qui s’y construit, et la part de clients IA native en est la preuve la plus éclatante.

Un exemple : leur intégration avec Perplexity, pour créer un “ordinateur” de gestion financière personnelle intégré. Que l’on pense à Mint.com, l’application de comptabilité personnelle américaine lancée en 2006 !

Box et Plaid partagent la même trajectoire.

Les deux ont été valorisées selon la logique SaaS en période de taux zéro, puis ont vu leur valorisation chuter de moitié. Aujourd’hui, elles sont réévaluées sur la base d’un nouveau paradigme : un coffre de contenu non structuré et un réseau de données avec droits, comme infrastructure de lecture pour l’ère V2.

V3 : orchestration — “l’émergence de la société unipersonnelle”

Sam Altman et d’autres PDG de la tech parient sur la naissance de la première “société unipersonnelle” d’un milliard de dollars.

Dario Amodei estime à 70-80 % la probabilité qu’elle apparaisse d’ici 2026, dans trois secteurs : trading autonome, outils pour développeurs, automatisation du service client.

Sequoia ajuste ses modèles d’investissement, en privilégiant le “levier agentique” (revenu par personne). Y Combinator, dans ses premières cohortes, voit 95 % de son code généré par IA.

Certaines entreprises ont déjà créé une économie de levier impressionnante grâce à l’IA.

Dans ces sociétés, le CEO devient un “orchestrateur d’agents”, pilotant une multitude d’IA dans une salle de contrôle géante.

L’organigramme devient un flux opérationnel externalisable. Le budget de main-d’œuvre se transforme en budget de puissance de calcul.

Ces premières formes d’entreprises opèrent dans des niches : trading autonome, outils pour développeurs, logiciels de consommation à effet de réseau. Ces scénarios sont entièrement numériques, peu réglementés, avec des coûts de confiance faibles.

Elles seront vulnérables, car tout système à point unique de défaillance l’est.

Elles auront du mal à pénétrer le marché réglementé, où les identités et visages sont des données structurées.

Mais ces entreprises existent déjà.

Chaque révolution technologique détruit un rôle clé du paradigme précédent — “calculateur humain” dans les débuts, chef de production, gestionnaire de projet, cadre intermédiaire.

Ceux qui comprennent en premier la nouvelle forme d’organisation économique en tirent souvent de très grands profits.

Par exemple, la règle des “deux pizzas” d’Amazon, et sa capacité à innover avec des centaines de milliers d’employés, constituent déjà une barrière.

Au final, la question n’est pas vraiment “société unipersonnelle” ou “zéro humain”.

Nous sommes encore en pleine transformation numérique, et la diffusion de cette valeur à l’échelle de l’économie pourrait rapporter des trillions de dollars.

La vraie question est : qui pourra aujourd’hui posséder ou construire le bon AI Harness, pour concevoir la bonne structure organisationnelle pour 2026 ?

Cela revient à améliorer cet organisme super-organique qu’est l’entreprise, pour qu’elle continue à évoluer, à se battre, encore un jour.

Et espérons que, dans ce processus, l’humanité pourra aussi réaliser ses souhaits.